FRP(树脂基复合材料)拉挤工艺过程研究的一项重要任务就是确定合适的拉挤工艺参数,模具温度是拉挤工艺过程中的最重要的参数之一。模具温度设置的过低,会影响拉挤制品的质量,模具温度设置的过高会增加能耗。本文在数值模拟的基础上,采用BP神经网络结合遗传算法的方法对玻璃纤维增强复合材料(GFRP)的拉挤工艺过程进行优化,从而得到最节能的模具温度设置。本文主要对拉挤工艺过程进行研究,在传热学和化学动力学等理论的基础上,建立了非稳态热传导方程和固化反应动力学方程。通过差示扫描量热法结合最小二乘法计算出了环氧树脂的固化反应动力学参数。通过有限单元法将热传导方程和固化反应动力学方程在时间域和空间域内离散为常微分方程,并解决了温度和固化度之间的耦合关系。使用有限元软件ANSYS对GFRP拉挤工艺过程进行数值模拟,分析了不同的工艺参数如模具温度、拉挤速度等对GFRP拉挤工艺过程中温度和固化度的影响。本文还通过光纤布拉格光栅实验测定了GFRP拉挤工艺过程的非稳态温度场,通过萃取法测定了GFRP制品的固化度。并将ANSYS模拟的结果与实验结果进行了对比,两者的吻合效果较好,因此验证了使用ANSYS模拟的正确性与可靠性。本文还利用MATLAB 6.5中的人工神经网络工具箱对模拟得到的数据进行训练和测试,建立了固化度与模具温度之间的BP神经网络模型。在此模型的基础上,我们通过浮点编码的遗传算法对一个目标函数进行优化,最后得到了一个最优的模具温度。研究结果表明使用三段式模具比单段式模具更节能,当拉挤速度为200mm/min时,每拉挤一个GFRP棒材,使用三段式模具比使用单段式模具所消耗的功率减少了384.91W。通过本文的研究,在GFRP固化度达到要求的条件下,可以使模具所消耗的功率达到最低,从而降低能耗。这对于企业降低生产成本,响应国家的节能号召具有非常重要的意义。